基于改进WGAN网络和CBDNet的微地震记录去噪方法

    公开(公告)号:CN114218982B

    公开(公告)日:2024-07-09

    申请号:CN202111425452.0

    申请日:2021-11-26

    Applicant: 三峡大学

    Abstract: 基于改进WGAN网络和CBDNet的微地震记录去噪方法,包括以下步骤:采集微地震数据;利用有限差分波动方程正演方法生成不同主频、不同地层速度模型下的正演模拟信号;对得到的正演模拟信号设置不同信噪比,构建噪音样本,然后将以噪音样本、干净样本为标签类别,制作成原始训练集;将制成的原始训练,利用改进WGAN网络对抗生成大量样本,完成训练集样本扩充;利用扩充之后的训练集样本,对CBDNet进行训练;将待去噪的地震数据输入已训练的CBDNet,输出去噪后的微地震数据。本发明一种基于改进WGAN网络和CBDNet的微地震记录去噪方法,与传统微地震去噪方案相比,极大地提高了微地震剖面去噪的效率与精度。

    一种进化多目标深度强化学习驱动的无人机移动边缘网络优化方法

    公开(公告)号:CN119835697A

    公开(公告)日:2025-04-15

    申请号:CN202411861860.4

    申请日:2024-12-17

    Abstract: 本发明提供了一种进化多目标深度强化学习驱动的无人机移动边缘网络优化方法,包括以下步骤:步骤1,建立无人机移动边缘网络的多目标优化模型;步骤2,采用一种进化多目标深度强化学习驱动的无人机移动边缘网络优化方法,对步骤1建立的多目标优化模型进行求解。本发明将切比雪夫分解策略融合到深度强化学习框架中,达到同时评价多个目标函数的目的。该方法利用PPO算法的强大决策能力和TD策略的良好多样性维护能力,智能引导种群朝着分布性更优及收敛性更佳的方向不断进化,显著提高了种群的进化效率和多样性分布。最终,通过实施本发明方法可大大提升无人机移动边缘网络在用户速率和系统能耗上的性能。

    基于YOLOv5的变电站设备缺陷检测网络的构建方法

    公开(公告)号:CN119785170A

    公开(公告)日:2025-04-08

    申请号:CN202411781724.4

    申请日:2024-12-05

    Applicant: 三峡大学

    Abstract: 本发明提出了一种基于YOLOv5的变电站设备缺陷检测网络的构建方法,该网络的基础框架为YOLOv5架构,其中对YOLOv5中的Neck部分的Concat操作进行改进,将其替换为跨域动态交互注意力融合模块CDIAFM。两个不同层的特征图进入跨域动态交互注意力融合模块,分别通过频域分支和空间分支进行处理,获得空间域特征#imgabs0#和频域特征#imgabs1#。通过将频域特征与空间域特征进行结合,利用动态交互注意力在频域和空间域之间进行信息交互,从而使模型能够更加精准地识别灰度变化,减少漏检和误检的情况。在复杂背景干扰以及具有丰富的尺度和纹理细节的变电站场景中,本文所提出的方法能够提高检测精度,在变电站设备缺陷检测任务中表现出色。

Patent Agency Ranking